根據來自其他列的正則表達式捕獲組的值有效地將列添加到數據框

Question

我想向現有數據框添加一個額外的列，其中newColumn的值將基於應用於同一行中另一個值的正則表達式的捕獲組，到目前為止我想出的唯一有效的是這個（可能不是 R 式）循環的標准方法，但它非常慢（對於大約 150 萬行的 DF）。

帶列的數據框：

ID    Text    NewColumn

Atm 我處理這個：

df$newColumn <- rep("", nrow(df));
for (row in 1:nrow(df)) {
    df$newColumn[row] <- str_match(df$Text[row], regex)[1,2];
} 

在閱讀了幾篇文章后，我嘗試使用 apply/lapply 但我的方法都沒有產生預期的結果。 這甚至可以通過 apply-family 的功能實現，如果是：如何？

例子：

為了

regex <- "^[0-9]*([a-zA-Z]*)$";

和如下表：

ID   Text         
------------------
1    231Ben
2    112Claudine
3    538Julia

我希望：

ID   Text          NewColumn
----------------------------
1    231Ben          Ben
2    112Claudine     Claudine
3    538Julia        Julia

Answer 1

str_match和gsub/sub等是矢量化的，所以如果pattern相同，我們不必遍歷行

df1$NewColumn <- gsub("\\d+", "", df1$Text)

---

或者使用stringr函數

library(stringr)
df1$NewColumn <- str_match(df1$Text, "([A-Za-z]+)")[,1] 

str_extract(df1$Text, "[A-Za-z]+")
#[1] "Ben"      "Claudine" "Julia"